(Phys.org):cuando escuche un sonido, solo se activan algunas de las neuronas de la corteza auditiva de su cerebro. Esto se debe a que cada neurona auditiva está sintonizada con un cierto rango de sonido, de modo que cada neurona es más sensible que otras a determinados tipos y niveles de sonido. En un nuevo estudio, Los investigadores han diseñado un sistema informático neuromórfico ("inspirado en el cerebro") que imita esta selectividad neuronal mediante el uso de neuronas artificiales sintonizadas por niveles que responden preferentemente a tipos específicos de estímulos.

En el futuro, Las neuronas ajustadas al nivel pueden ayudar a que los sistemas informáticos neuromórficos realicen tareas que las computadoras tradicionales no pueden. como aprender de su entorno, reconocimiento de patrones, y extracción de conocimientos de fuentes de macrodatos.

Los investigadores, Angeliki Pantazi et al ., en IBM Research-Zurich y École Polytechnique Fédérale de Lausanne, ambos en Suiza, han publicado un artículo sobre la nueva arquitectura neuromórfica en un número reciente de Nanotecnología .

Como todas las arquitecturas de computación neuromórfica, el sistema propuesto se basa en neuronas y sus sinapsis, que son las uniones donde las neuronas se envían señales entre sí. En este estudio, los investigadores implementaron físicamente neuronas artificiales utilizando materiales de cambio de fase. Estos materiales tienen dos estados estables:cristalino, estado de baja resistividad y amorfo, estado de alta resistividad. Al igual que en la informática tradicional, los estados se pueden cambiar mediante la aplicación de un voltaje. Cuando la conductancia de la neurona alcanza un cierto umbral, la neurona se dispara.

"Hemos demostrado que los dispositivos memristivos basados ​​en cambios de fase se pueden utilizar para crear neuronas artificiales y sinapsis para almacenar y procesar datos, ", dijo el coautor Evangelos Eleftheriou de IBM Research-Zurich Phys.org . "Una neurona de cambio de fase utiliza la configuración de fase del material de cambio de fase para representar su estado interno, el potencial de membrana. Para la sinapsis de cambio de fase, el peso sináptico, que es responsable de la plasticidad, está codificado por la conductancia del nanodispositivo ".

En esta arquitectura, cada neurona está sintonizada en un rango específico, o nivel. Las neuronas reciben señales de muchas otras neuronas, y un nivel se define como la contribución acumulada de la suma de estas señales entrantes.

"Hemos introducido la arquitectura de inspiración biológica de neuronas sintonizadas por niveles que es capaz de distinguir diferentes patrones de forma no supervisada, ", Dijo Eleftheriou." Esto es importante para el desarrollo de ultradensa, Computación neuromórfica escalable y energéticamente eficiente ".

Una de las principales ventajas de estas neuronas sintonizadas por niveles altamente selectivas es su capacidad de aprendizaje mejorada. En computación neuromórfica, el aprendizaje ocurre a través de señales entrantes repetidas, que refuerza ciertas conexiones sinápticas. Los investigadores demostraron que las neuronas sintonizadas por nivel son muy buenas para aprender múltiples patrones de entrada, incluso en presencia de ruido de entrada.

"Incluso una sola neurona se puede utilizar para detectar patrones y descubrir correlaciones en flujos en tiempo real de datos basados ​​en eventos, ", Dijo Eleftheriou." Las neuronas sintonizadas por nivel aumentan la capacidad de una red de una sola neurona para discriminar información cuando aparecen múltiples patrones en la entrada. Neuronas sintonizadas por nivel, junto con las características de alta velocidad y baja energía de su implementación basada en cambio de fase, será particularmente útil para varias aplicaciones emergentes, como Internet de las cosas, que recopilan y analizan grandes volúmenes de información sensorial y aplicaciones para detectar patrones en las fuentes de datos, como de las redes sociales para descubrir tendencias, o datos meteorológicos para previsiones en tiempo real, o datos sanitarios para detectar patrones en enfermedades, etc. "

En el futuro, Los investigadores planean desarrollar aún más el concepto de neuronas artificiales sintonizadas por nivel para diseñar redes neuronales mejoradas a gran escala.

"Examinaremos tareas computacionales más complejas basadas en neuronas de picos artificiales y sus sinapsis, ", Dijo Eleftheriou." Estamos interesados ​​en estudiar el potencial de escala y las aplicaciones de tales sistemas neuromórficos en los sistemas de computación cognitiva ".

© 2016 Phys.org